凯明格资讯网把AI做进材料，这家公司想造会学习的机器人“细胞”
过去两年，细胞物理AI（Physical AI）领域的进材机器叙事格局主要由两条主线主导。其一是公司以英伟达为核心的基础设施叙事，涵盖仿真平台、想造习世界模型及机器人基础模型；其二是细胞人形机器人的“军备竞赛”，Figure、进材机器Agility、公司特斯拉Optimus以及国内的想造习宇树、智元等巨头纷纷入局。细胞资本与工程师汇聚于同一目标：制造能在人类环境中实现通用操作的进材机器双足机器人。
然而，公司这两条线索背后隐藏着一个共同的想造习预设：智能本质上是软件问题，硬件仅作为承载软件的细胞躯壳。随着机器人“大脑”日益精进，进材机器其“身体”却依然由电机、公司减速器和刚性连杆构成，在材料层面与十年前的工业机械臂并无二致。
2026年6月初，一家此前保持低调的伦敦初创公司 morph正式亮相，提出了截然不同的视角：如果材料本身即是智能的载体呢？
morph 发布了一套软体机器人平台，其核心产品被称为 “软体机器人细胞”（Soft Robotic Cell）。这是一种由柔性可变形材料制成的模块化单元，内部集成了传感、驱动与控制功能，能够在使用过程中实时改变形状与硬度。公司宣称，这些“细胞”可嵌入各类消费及工业产品中，赋予原本静态的物件以感知和响应能力。morph 并未选择制造整机或开发通用大模型，而是将战略重心押注于 材料层。
从外科医生到AI创业者
morph 创始人 Jean Nehme 的职业起点颇具传奇色彩，他曾是整形与重建外科医生。2013年，他与另一位外科医生 Andre Chow 联合创立了 Digital Surgery，专注于手术领域的AI应用。其发展路径从外科培训应用起步，逐步扩展至术中辅助决策及计算机视觉领域。
图｜Jean Nehme（来源：Qubit Health）
离开美敦力后，Nehme 将视野从手术室拓展至更广阔的场景。他在采访中指出，多年的重建外科经历让他洞察到一个关键痛点：人体生物力学上微小的效率损失，会随时间累积，逐渐侵蚀个体的活动能力。然而，市面上的护具、鞋垫及支撑产品多为静态设计，出厂即定型，无法根据身体状态进行动态调整。
Nehme 意识到，核心问题并非产品功能匮乏，而是 材料本身缺乏感知、反馈及主动适应能力。既然软件可以持续迭代，为何材料不能随环境与人体状态实时调整形态与刚度？
这一洞察成为 morph 的起点：不再是在现有产品中叠加AI模块，而是将感知、控制和学习能力直接嵌入材料，使其从静态载体转变为能实时响应环境的“机器人细胞”。
与传统软体机器人的差异
软体机器人作为学术领域已存在十余年，其核心逻辑是用柔性材料替代刚性结构，以提升人机交互的安全性与顺应性。过往研究多集中于气动驱动器、形状记忆合金及介电弹性体等技术，落地场景包括工业柔性抓取（如 Soft Robotics Inc. 的食品分拣抓手）、康复外骨骼及微创手术工具等。
（来源：Soft Robotics Inc.）
Nehme 在采访中刻意与上述技术路线保持距离。他强调，morph 不采用气动驱动器或形状记忆合金组件，而是构建 “可编程构建单元”——在可变形的材料系统中，同时集成结构、传感、驱动及智能控制层。这些单元可按需组合，嵌入不同产品中。
简言之，morph 旨在打造一种 “智能材料积木”。设想将其植入跑鞋、护膝或汽车座椅，产品即可根据使用者动作与环境实时调整支撑方式。目前，这仍停留在概念阶段，morph 尚未公开展示任何成品。
算力架构：端侧实时 + 云端离线
对于“将AI嵌入材料”的产品，算力来源与运行位置是核心疑问。Nehme 提出了 “分层架构”方案：
1. 传感与轻量信号处理：在材料内部或紧邻位置完成；
2. 实时控制回路：在设备端本地运行，确保低延迟；
3. 云端：仅负责模型训练与系统更新，不参与逐帧控制。
他特别强调，在涉及人体运动的场景中，延迟即风险，因此实时控制必须在端侧完成。这一思路与当前物理AI的主流方向一致。例如，英伟达在2026年3月GTC大会上发布的 Jetson Thor机器人计算平台，旨在紧凑模块中提供足够算力，同时运行视觉、语言和控制模型，且全部在设备端执行。morph 虽未披露具体硬件，但其“端侧实时 + 云端离线”的双层架构符合行业共识。
（来源：英伟达）
在算法层面，morph 平台结合了 强化学习与 高保真物理仿真。团队可在仿真环境中定义细胞行为、模拟真实条件并迭代设计，随后部署至实体产品。这种 “仿真到现实”（Sim-to-Real）的路径是当前机器人行业的主流做法，Physical Intelligence、Skild AI 等公司亦采用类似路线。
市场策略：先消费，后医疗
morph 公布的首批应用场景聚焦于 运动表现、损伤预防和行动辅助。这三个领域处于消费健康与医疗器械监管的灰色地带，法规压力相对较小，适合早期公司进行技术验证与商业闭环跑通。
Nehme 对监管策略持谨慎态度。他向 Medtech Insight 表示，区分消费品与医疗器械的关键在于 预期用途与产品声明。运动支持类产品与声称能诊断或治疗特定疾病的器械，审批路径截然不同。他承认，早期产品将落在消费健康范畴，但随着进军医疗领域，器械审批不可避免。
监管挑战：有界学习 vs. 无约束学习
自适应系统面临一个棘手难题：传统医疗器械监管假设产品行为固定且可测试，而持续调整的系统与此假设冲突。为此，FDA 在2024—2025年间定稿了 “预定变更控制计划”（PCCP）指南，专为AI/ML类医疗软件设计，允许制造商预先定义算法适应性调整的范围与约束，无需每次更新重新审批。这为 “有界学习”留出了监管空间。
Nehme 指出，有界适应与无约束学习存在本质区别。在医疗场景中，适应意味着在受控系统中响应，而非随意改变行为。其在 Digital Surgery 的经历使其习惯于在验证、可重复性及人因工程方面保持高标准。
商业模式与投资
morph 计划采用 B2B 模式：作为软件、设计与制造合作伙伴，协助其他企业将软体机器人细胞嵌入其产品中。合作形式灵活，包括联合开发，或由 morph 提供细胞模块及底层设计控制基础设施。
公司表示已与多家工业伙伴展开合作，但未披露具体名单与进展。投资方包括 8VC、Pharrell Williams、Copper、Equinox 集团董事长 Harvey Spevak、Qubit Health Capital、Valia Ventures 及 Blue Lion。融资金额暂未披露。
被忽视的材料层
morph 的出现，折射出当前物理AI浪潮中被忽视的关键问题。
过去两年，行业在机器人 “大脑”端取得显著进展：基础模型能力跃升，仿真工具成熟，Sim-to-Real 迁移效率提高。但在 “身体”端，进步迟缓。绝大多数机器人仍依赖刚性骨架与传统电机，柔性交互能力有限，材料几乎不参与感知与决策。这意味着，即便软件智能足够“聪明”，机器人在与人体、柔性物体及非结构化环境的物理接触中，仍受限于身体的刚性。
软体机器人研究者长期尝试解决此问题，但多数工作停留于实验室，商业化进展有限。市场研究机构对软体机器人市场规模预测差异巨大：Research and Markets 估计2030年约46亿美元，Mordor Intelligence 则给出88亿美元。这种分歧反映出市场边界尚不清晰，标准化程度极低。
若 morph 路径成功，它或许回答了物理AI领域一个更根本的追问：当我们谈论机器智能时，智能是否只能存在于芯片与算法中，还是也应生长在材料之中？
参考文献：
1. https://www.therobotreport.com/soft-robotic-cells-from-morph-embed-physical-ai-into-hardware/
2. https://www.businesswire.com/news/home/20260602211043/en/
3. https://insights.citeline.com/
4. https://www.researchandmarkets.com/report/soft-robotics
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
